文献

J-GLOBAL ID：202002290158530482   整理番号：20A2594146

マルチレベルサンプリング融合の強い監視RGBDの有意目標検出【JST・京大機械翻訳】

Super Supervised RGBD Salient Object Detection with Multi-level Upsampling Fusion

著者 (3件)： Xiang Qian (安徽大学 計算机科学与技術学院,合肥 230601) ,  Tang Jiting (安徽大学 計算机科学与技術学院,合肥 230601) ,  Wu Jianguo (安徽大学 計算机科学与技術学院,合肥 230601)
資料名： Jisuanji Gongcheng yu Yingyong  (Jisuanji Gongcheng yu Yingyong)
巻： 56  号： 19  ページ： 182-188  発行年： 2020年 
JST資料番号： C2533A  ISSN： 1002-8331  CODEN： JGYYAT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 有効なマルチモード特徴融合はRGBDの顕著性目標検出領域に重要な役割を果たしたが、いかに有効な多モード特徴融合を学習するかは、現在依然として挑戦的な任務である。畳込みニューラルネットワークに基づく方法は,多モードグラフ加重融合に基づく伝統的方法と異なり,簡単な畳込み操作を用いて,多モード特性を融合し,しかし,それは,多モードデータ融合にとって,不十分であった。この問題を解決するために,新しいサンプリング融合モジュールを提案し,それは,マルチスケールの知覚能力だけでなく,大域的および局所的文脈推論を同時に行い,また,強い監視残差モジュールは,ネットワーク訓練の安定化および有効性を強化した。既存の方法と比較して,提案した方法は,より安定で,より柔軟な融合ストリームを提供し,RGBとDepth情報の完全で効率的な融合を実現した。3つの広く用いられるRGBDターゲット検出データセットに関する実験結果は,この方法の有効性を示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  ネットワーク ,  残差 ,  多モード ,  有効性 ,  データ融合
準シソーラス用語： マルチスケール ,  ターゲット検出 ,  特徴融合 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： マルチレベル ,  サンプリング ,  融合 ,  目標